球类运动模拟方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术提供一种球类运动模拟方法、装置、存储介质及电子设备。本发明专利技术提供的球类运动模拟方法，包括：先获取用户第一肢体动作的现实视频，并通过预设的神经网络模型对现实视频进行动作特征提取，以获取第一肢体动作对应的第一动作特征，再根据第一动作特征确定第一肢体动作对应的第一运动类型，并根据第一运动类型匹配第一球类模型，然后根据第一球类模型以及第一动作特征生成第一虚拟视频，将第一虚拟视频叠加显示在现实视频中，其中，第一虚拟视频包括：第一球类模型响应于第一动作特征的动态视频。本发明专利技术提供的球类运动模拟方法，通过增强现实的方式使得用户能够脱离特定的场地以及实体球条件的限制，从而实现随时随地地进行球类模拟运动。

【技术实现步骤摘要】
球类运动模拟方法、装置、存储介质及电子设备
本专利技术涉及计算机视觉
，尤其涉及一种球类运动模拟方法、装置、存储介质及电子设备。
技术介绍
随着人们对自身身体健康状况的重视，越来越多的人在业余时间选择球类运动作为休闲的方式，例如篮球或足球。目前，用户如果需要进行投篮、射球以及颠球训练，则需要在实体场景中配置篮筐或者是球门以及对应的实体球，对场地和器材的要求都比较高。而用户在实际场景中，有时用户只具备场地和器材中的其中一个条件，或者二者均不具备，例如，在办公室场景中，用户就无法进行实体球的投篮训练或者是射球训练。可见，在现有技术中，球类运动只能在特定的场地条件下，并且还需同时配备实体球的情况下才能进行，对场地和器材的要求较高。
技术实现思路
本专利技术提供一种球类运动模拟方法、装置、存储介质及电子设备，以使得用户能够脱离特定的场地以及实体球条件，从而实现随时随地地进行球类运动。第一方面，本专利技术提供一种球类运动模拟方法，包括：获取用户第一肢体动作的现实视频，并通过预设的神经网络模型对所述现实视频进行动作特征提取，以获取所述第一肢体动作对应的第一动作特征；根据所述第一动作特征确定所述本文档来自技高网...

【技术保护点】
1.一种球类运动模拟方法，其特征在于，包括：获取用户第一肢体动作的现实视频，并通过预设的神经网络模型对所述现实视频进行动作特征提取，以获取所述第一肢体动作对应的第一动作特征；根据所述第一动作特征确定所述第一肢体动作对应的第一运动类型，并根据所述第一运动类型匹配第一球类模型；根据所述第一球类模型以及所述第一动作特征生成第一虚拟视频，将所述第一虚拟视频叠加显示在所述现实视频中，其中，所述第一虚拟视频包括：所述第一球类模型响应于所述第一动作特征的动态视频。

【技术特征摘要】
1.一种球类运动模拟方法，其特征在于，包括：获取用户第一肢体动作的现实视频，并通过预设的神经网络模型对所述现实视频进行动作特征提取，以获取所述第一肢体动作对应的第一动作特征；根据所述第一动作特征确定所述第一肢体动作对应的第一运动类型，并根据所述第一运动类型匹配第一球类模型；根据所述第一球类模型以及所述第一动作特征生成第一虚拟视频，将所述第一虚拟视频叠加显示在所述现实视频中，其中，所述第一虚拟视频包括：所述第一球类模型响应于所述第一动作特征的动态视频。2.根据权利要求1所述的球类运动模拟方法，其特征在于，所述根据所述第一球类模型以及所述第一动作特征生成第一虚拟视频，包括：分别提取所述现实视频中第一帧图像中所述用户的第一动作姿态数据以及第二帧图像中所述用户的第二动作姿态数据，其中，所述第一帧图像和所述第二帧图像相隔第一时长；根据所述第一动作姿态数据、所述第二动作姿态数据以及所述第一时长计算所述现实视频中的所述用户作用于所述第一球类模型的第一作用力；根据所述第一作用力计算所述第一球类模型的第一运动轨迹；根据所述第一运动轨迹生成所述第一虚拟视频，其中，所述第一虚拟视频包括：所述第一球类模型沿所述第一运动轨迹运动的动态视频。3.根据权利要求2所述的球类运动模拟方法，其特征在于，所述分别提取所述现实视频中第一帧图像中所述用户的第一动作姿态数据以及第二帧图像中所述用户的第二动作姿态数据，包括：根据所述第一帧图像中所述用户的第一关节的第一空间坐标以及第二关节的第二空间坐标确定第一骨骼的第一矢量，所述第一动作姿态数据包括所述第一矢量，其中，所述第一骨骼为所述第一关节与所述第二关节之间的骨骼；根据所述第二帧图像中的所述第一关节的第三空间坐标以及所述第二关节的第四空间坐标确定所述第一骨骼的第二矢量，所述第二动作姿态数据包括所述第二矢量。4.根据权利要求1-3中任意一项所述的球类运动模拟方法，其特征在于，所述第一运动类型为以下运动类型中的任意一种：投篮运动、射门运动以及颠球运动。5.根据权利要求4所述的球类运动模拟方法，其特征在于，在所述第一虚拟视频叠加显示在所述现实视频中之后，还包括：根据所述第一运动类型确定第一器材模型，根据所述第一器材模型生成第二虚拟视频，并将所述第二虚拟视频叠加显示在所述现实视频中第一位置；根据所述第一运动轨迹以及所述第一位置确定所述第一球类模型与所述第一器材模型的交互关系；根据所述交互关系生成第三虚拟视频，并叠加显示在所述现实视频中。6.根据权利要求1所述的球类运动模拟方法，其特征在于，在所述通过预设的神经网络模型对所述现实视频进行动作特征提取之前，还包括：采集至少一种运动类型对应的动作视频；所述预设的神经网络模型是通过以下方法得到的：根据所述动作视频以及深度学习算法进行模型训练。7.根据权利要求6所述的球类运动模拟方法，其特征在于，所述采集至少一个运动类型对应的动作视频，包括：将所述动作视频分割成只包含单个动作的短视频，并将分割得到的所述短视频作为训练样本构建动作视频训练集。8.根据权利要求7所述的球类运动模拟方法，其特征在于，在所述将分割得到的所述短视频作为训练样本构建动作视频训练集之后，还包括：对所述动作视频训练集进行数据预处理，其中，所述数据预处理包括：对所述动作视频训练集中的所述短视频进行向下采样处理，提取向下采样处理后的所述短视频中以人为中心的边界框，裁剪掉所述边界框之外的多余背景，并将剪裁后的所述短视频中的各个帧由RGB图转化为灰度图。9.根据权利要求8所述的球类运动模拟方法，其特征在于，所述预设的神经网络模型为张量递归神经网络模型。10.根据权利要求9所述的球类运动模拟方法，其特征在于，所述张量递归神经网络模型包括输入层、第一卷积层、第一校正层、第一池化层、第二卷积层、第二校正层、第二池化层、第三卷积层、张量递归层和输出层；其中，所述输入层、所述第一卷积层、所述第一校正层、所述第一池化层、所述第二卷积层、所述第二校正层、所述第二池化层以及所述第三卷积层依次连接，所述张量递归层全连接到所述第三卷积层，所述输出层全连接到所述张量递归层。11.一种球类运动模拟装置，其特征在于，包括：获取模块，用于获取用户第一肢体动作的现实视频，并通过预设的神经网络模型对所述现实视频进行动作特征提取，以获取所述第一肢体动作对应的第一动作特征；确定模块，用于根...

【专利技术属性】
技术研发人员：向佳耀，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11